贾旋，周治平

(江南大学 物联网工程学院，江苏 无锡 214122)



一种基于模板缩减的新型粒子群遗传聚类算法

贾旋，周治平

(江南大学 物联网工程学院，江苏 无锡 214122)

针对群聚类算法的速度问题，提出一种基于模板缩减法加速的新型粒子群广义遗传(PSO-GGA)聚类算法。为了充分地同模板缩减法相结合，该算法采用一种广义遗传算法与粒子群算法串行使用，既能增加种群多样性，又能对模板缩减操作中需要保护的模板进行储存。同时，对每个周期替换粒子数量采用一种递增策略来充分吸取粒子群快速寻优和遗传算法搜索空间大的特性。实验表明：对8个数据集进行测试，该算法能够在基本不降低聚类品质的基础上，显著地缩短聚类时间。

模板缩减；粒子群；广义遗传算法；聚类

中文引用格式：贾旋，周治平. 一种基于模板缩减的新型粒子群遗传聚类算法[J]. 智能系统学报， 2016, 11(4): 561-566.

英文引用格式：JIA Xuan, ZHOU Zhiping. A novel PSO-GGA for clustering based on pattern reduction[J]. CAAI Transactions on Intelligent Systems, 2016, 11(4): 561-566.

聚类是将一批现实或抽象的数据对象分组成为多个类或簇的过程。随着计算机技术、网络技术和信息技术的迅速发展, 庞大、海量、复杂、高维的数据信息充斥在当前世界的各个领域。如何处理这些数据并从中快速、准确地提取有益的信息, 越来越引起人们的普遍关注。面对这些大规模复杂数据，聚类算法需要具有可伸缩性、处理不同类型的数据、发现任意形状的簇、处理高维数据等能力。而对于这些问题与要求，传统的聚类分析方法已然显得无力。

为解决这些问题，研究者们尝试引入各种群智能算法，其中粒子群优化算法(PSO)逐渐引起人们的注意，并在聚类分析中取得了比传统方法更好的效果。……